LRU很经典的操作系统的算法

LRU就是最近最久未使用算法，首先我们要知道他是怎么运行的然后我们才能写出代码。

LRU就是一个限定页数的内存中，这里比如是4页，有一个内存访问的序列比如4 3 3 2 1 5, 如果不在内存中就需要从硬盘中调入内存,如图所示

思路一

我刚开始尝试使用队列来存储数据，果不其然的时间超限了。可以看看我的失败代码，不想看的可以跳过。O(∩_∩)O

class LRUCache {
    private int capacity;
    Queue<Integer> keyQueue = new ArrayDeque<>();
    Map<Integer, Integer> dataMap = new HashMap<>();

    public LRUCache(int capacity) {
        this.capacity = capacity;
    }

    public int get(int key) {
        if (capacity <= 0 || !dataMap.containsKey(key)) return -1;
        Integer integer = dataMap.get(key);
        Queue<Integer> tempQueue = new ArrayDeque<>();
        while (!keyQueue.isEmpty()) {
            int n = keyQueue.poll();
            if (n == key){
                continue;
            }
            tempQueue.add(n);
        }
        tempQueue.add(key);
        this.keyQueue = tempQueue;
        return integer;
    }

    public void put(int key, int value) {
        if (!dataMap.containsKey(key)) {
            if (dataMap.size() >= capacity) {
                Integer poll = keyQueue.poll();
                dataMap.remove(poll);
            }
            keyQueue.add(key);
        } else {
            Queue<Integer> tempQueue = new ArrayDeque<>();
            while (!keyQueue.isEmpty()) {
                int n = keyQueue.poll();
                if (n == key){
                    continue;
                }
                tempQueue.add(n);
            }
            tempQueue.add(key);
            this.keyQueue = tempQueue;
        }
        dataMap.put(key, value);
    }
}```


#### 思路二
> 这里我使用来了双向队列来解决每次移动都要O(N)的算法复杂度使得每次移动其实只要O（1）来解决。只需要删除原来链表的结点，并把他加到头部。

public class LRUCache {

// 双向链表
class DLinkNode {
    public DLinkNode pre;
    public DLinkNode next;
    public int key;
    public int val;
    public DLinkNode(int key, int val) {
        this.key = key;
        this.val = val;
    }
    public DLinkNode(){}
}
// key和node做映射
private Map<Integer, DLinkNode> cache = new HashMap<>();
// 当前链表中的结点数
private int size;
// 最大的结点数
private int capacity;
// 初始化的时候建好head和tail可以减少算法编写的复杂程度
private DLinkNode head, tail;
// 初始化
public LRUCache(int capacity) {
    this.size = 0;
    this.capacity = capacity;
    head = new DLinkNode();
    tail = new DLinkNode();
    head.next = tail;
    tail.pre = head;
}

public int get(int key) {
    // 获取结点
    DLinkNode node = cache.get(key);
    // 不存在返回-1
    if (node == null) return -1;
    // 移动到头部,LRU被使用过后就会移动，尾部的结点有限淘汰
    moveToHead(node);
    return node.val;
}

public void put(int key, int value) {
    if (!cache.containsKey(key)) {
        // 新加一个结点
        DLinkNode node = new DLinkNode(key, value);
        cache.put(key, node);
        addToHead(node);
        size++;
        // 如果超过了容量就删除一个结点(链表尾部就是最近最久未使用的结点)
        // 这里是延迟删除的，不是容量一超过就马上删除
        if (size > capacity) {
            DLinkNode tail = removeTail();
            cache.remove(tail.key);
            --size;
        }
    }else {
        // 在map里面就是已经有过的结点，直接命中，移动结点就好了
        DLinkNode node = cache.get(key);
        node.val = value;
        moveToHead(node);
    }
}

public void moveToHead(DLinkNode node){
    removeNode(node);
    addToHead(node);
}

public void removeNode(DLinkNode node){
    DLinkNode next = node.next;
    DLinkNode pre = node.pre;
    pre.next = next;
    next.pre = pre;
}

public void addToHead(DLinkNode node) {
    node.pre = head;
    node.next = head.next;
    head.next.pre = node;
    head.next = node;
}

public DLinkNode removeTail(){
    DLinkNode res = tail.pre;
    tail = res;
    res.next = null;
    return res;
}

}